CN114494348A - 一种海上救生装置的自主目标检测跟踪方法 - Google Patents
一种海上救生装置的自主目标检测跟踪方法 Download PDFInfo
- Publication number
- CN114494348A CN114494348A CN202210094179.6A CN202210094179A CN114494348A CN 114494348 A CN114494348 A CN 114494348A CN 202210094179 A CN202210094179 A CN 202210094179A CN 114494348 A CN114494348 A CN 114494348A
- Authority
- CN
- China
- Prior art keywords
- image
- life
- water
- saving device
- falling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 86
- 230000033001 locomotion Effects 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000013459 approach Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 230000009471 action Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 208000003443 Unconsciousness Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010013647 Drowning Diseases 0.000 description 1
- 208000028752 abnormal posture Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009429 distress Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Emergency Lowering Means (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种海上救生装置的自主目标检测跟踪方法,在救生装置上安装图像采集装置、无线图传模块、两自由度云台,图像采集装置装在两自由度云台上,图像采集装置获取图像信息由母船进行图像处理并产生控制数据通过无线传输传回救生装置,完成对两自由度云台和救生装置的运动控制,或通过在救生装置上安装边缘计算模块,图像处理直接在救生装置上进行,获取目标位置后在救生装置上计算出控制数据实现对两自由度云台和救生装置的运动控制。本发明通过在现有海上救援装置上安装图像采集装置,通过图像目标检测算法,提取图像当中的落水人员位置,作为反馈控制救生装置的运动和后续救援动作。
Description
技术领域
本发明涉及一种海上救生装置的自主目标检测跟踪方法。
背景技术
国内外对于落海人员救捞的防救装备和方法主要都采用一些比较传统的救捞方式,比如,发射缆绳、抛掷救生圈、充气橡皮筏或者直升机救援等。但是这些都不适用于海况恶劣或者落海人员处于受伤或者昏迷的情况下,因此自带动力的海上搜救装置近年来越来越多,这些装置能够在恶劣环境下自主靠近落水人员,并能够将无意识的落水人员救捞上来。但又出现了新的问题,搜救装置在救助落水人员之前,如何确定人员在海上的确切位置。
在营救海上落水人员时,由于母船或者救生艇为欠驱动大惯性时滞系统,无法实现精准动力定位,同时防止救生艇靠近落水人员时造成二次伤害,通常需要投放海上救生装置完成打捞救援。传统的海上救生装置包括救生圈,救生网,充气橡皮艇等,这些救生装置需要搜救人员投放到落水人员附近,落水人员自行完成剩余救援步骤。近年来新增加了一些带有动力的海上救援装置,在工作人员的遥控下自主靠近落水人员,能在落水人员无意识或者受伤的情况下完成救援。
目前的海上救援装置虽然部分有自主动力系统,但仍由母船上的搜救人员人工对装置进行遥控。在遥控过程中,经常会因为第一视角和装置不统一,无法自由遥控,同时在遥控过程中装置无法距离搜救人员太远,否则会因为搜救人员的视野问题遥控出错,错过落水人员造成救援的延误,还有可能会直接撞上落水人员,对人员造成二次伤害。同时因为一个海上救援装置需要一名或多名搜救人员进行操控,造成投放出的救援装置有限,无法快速及时的对落水人员进行救援,延误落水人员的救援时间,造成生命安全。
目标检测任务是找出图像或视频中人们感兴趣的物体,并同时检测出它们的位置和大小。目标检测的发展脉络可以划分为两个周期:传统目标检测算法时期(1998年-2014年)和基于深度学习的目标检测算法时期(2014年-至今)。而基于深度学习的目标检测算法又发展成了两条技术路线:单阶段方法和双阶段方法。
图像增强是有目的地强调图像的整体或局部特性,例如改善图像的颜色、亮度和对比度等,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,提高图像的视觉效果。近年来,卷积神经网络在很多低层次的计算机视觉任务中取得了巨大突破,包括图像超分辨、去模糊、去雾、去噪、图像增强等。
发明内容
为解决以上现有技术存在的问题,提出了一种应用在海上救援装置上的自主目标检测方法,通过在现有海上救援装置上安装图像采集装置,通过图像目标检测算法,提取图像当中的落水人员位置,作为反馈控制装置的运动和后续救援动作。
本发明可通过以下技术方案予以实现:
一种海上救生装置的自主目标检测跟踪方法,在所述救生装置上安装图像采集装置、无线图传模块、两自由度云台,所述图像采集装置装在两自由度云台上,所述图像采集装置获取图像信息由母船进行图像处理并产生控制数据通过无线传输传回所述救生装置,完成对两自由度云台和救生装置的运动控制,或通过安装边缘计算模块,图像处理直接在所述救生装置上进行,获取目标位置后在救生装置上计算出控制数据实现对两自由度云台和救生装置的运动控制。
进一步地,所述控制的方法为自动控制模式,具体为:首先由母船将救生装置投在海面上,所述图像采集装置开始采集图像,采集到的图像通过所述无线图传模块传输回母船,供母船进行监视和记录,同时,采集到的图像将使用所述边缘计算模块或者母船进行图像增强工作,随后将增强后的图像送入到目标检测模型当中,识别出图像中是否有落水人员并识别出落水人员在图像中的位置以及大致距离,若图像中没有落水人员,则进入巡航模式,若检测有落水人员,则将首先根据落水人员的位置信息动态调整云台角度,使所述图像采集装置采集的图像能够一直锁定在落水人员上,后根据云台角度解算出救生装置应该前进的方向并给出控制数据,控制救生装置逐步靠近落水人员,在确定到达指定地点能够实施救援之后将结果汇报给母船,母船上的人员将根据图传传回的图像信息完成救援。
进一步地,所述图像增强步骤中包括进行图像去雨,具体为使用低通滤波器将去雨图像分解为基层和细节层,如公式(4)所示:
J=Jbase+Jdetail (4)
通过对图像使用低通滤波器处理,可以获得包含图像基本信息的基层,随后将原图像和基层做减法即可得到细节层,细节层主要包括一些雨线和图像的细节信息,将原图像直接送入卷积神经网络模型,改为细节层作为输入,将模型输出再与基层结合,得出去雨图像。
进一步地,所述根据云台角度解算出救生装置应该前进的方向并给出控制数据包括动态调节前进方向的路径规划方法;
设救生装置的安全救援距离为r,则救生装置应该始终处于落水人员的距离r之外,所以以落水人员为中心,r为半径做圆,从救生装置中心O′点出发做一条切线,切线方向即为救生装置的期望运动速度V1的方向;
由简单三角几何运算可以得出,期望运动方向与云台朝向夹角θ3为:
式中,LO′H为救生装置到落水人员的距离,
则救生装置的前进方向Vθ:
Vθ=θ2-θ1-θ3 (6)
式中,θ1为救生装置的实际运动方向,与X轴角度。θ2为云台的朝向与X轴的角度。θ1和θ2都可由安装在救生装置和云台上的姿态传感器得出。
进一步地,所述控制的方法为手动控制模式,具体为:首先由母船将救生装置投在海面上,同时所述图像采集装置采集图像信息,通过无线图传模块将图像信息返回到母船,搜救人员能看到母船上的显示的实时画面,搜救人员根据图像传回的信息,锁定落水人员的位置,手动遥控救生装置移动逐渐靠近落水人员,完成救援。
本发明具有以下有益效果:
(1)通过在救生装置上,安装图像采集装置和云台,解决了传统救生装置因视野受限导致搜寻区域有限和错过落水人员的缺点。
(2)通过对采集的图像进行去雨、去雾等增强操作,提高了画面的质量,解决了因图像变形、模糊等问题导致未能成功识别目标等缺点。
(3)通过目标检测识别图像当中是否有落水人员,能够同时检测多台救生装置,解决了因人员不足导致搜寻效率地下等问题。
附图说明
图1为本发明中边缘计算模块使用区别图;
图2为本发明中自动控制实施流程图;
图3为本发明中手动控制实施流程图;
图4为本发明中运动规划图;
图5-12为本发明中落水人员检测结果图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式,本领域的技术人员可由本说明书所揭示的内容轻易地了解本发明的其他优点及功效。
本发明的一种海上救生装置的自主目标检测跟踪方法,主要应用在自带动力系统的救生装置上,无需改动现有的救生装置结构,仅需将本方法的所需的额外装置安装在装置上即可。额外装置主要包括:图像采集装置、无线图传模块、两自由度云台。图像采集装置装在两自由度云台上。可选设备为边缘计算模块,如图1所示。若安装边缘计算模块,图像处理直接在救生装置上进行,获取目标位置后在救生装置上计算出控制数据,直接对云台和救生装置进行控制。若不安装边缘计算模块,图像处理将在母船上进行,由母船产生控制数据通过无线传输传回救生装置完成对云台和救生装置的控制。安装完成之后,本发明可以实现自动控制模式和手动控制模式两种。
本实施例中自动控制模式,图像采集,图像处理以及后续的控制决策都在母船上或者采集装置上完成即在终端完成计算。具体实施流程为,首先由母船将救生装置投在海面上,图像采集装置开始采集图像,采集到的图像通过无线图传模块传输回母船,供母船进行监视和记录。同时,采集到的图像将使用边缘计算模块或者母船进行图像增强工作。这一步是因为救生装置的体积一般较小,在有海风和海面波浪剧烈的情况下造成的水花和溅射的水滴可能会影响图像质量,对后续的目标检测造成影响。所以在图像增强步骤中会进行去雨和雨雾等操作。随后将增强后的图像送入到目标检测模型当中,识别出图像中是否有落水人员并识别出落水人员在图像中的位置以及大致距离。若图像中没有落水人员,则进入巡航模式。若检测有落水人员,则将首先根据落水人员的位置信息动态调整云台角度,使图像采集装置采集的图像能够一直锁定在落水人员上。后根据云台角度解算出救生装置应该前进的方向并给出控制数据,控制救生装置逐步靠近落水人员,在确定到达指定地点能够实施救援之后将结果汇报给母船,母船上的人员将根据图传传回的图像信息完成救援。如图2所示。
本实施例中的手动控制模式具体实施流程为:首先由母船将救生装置投在海面上,同时图像采集装置采集图像信息,通过无线图传模块将图像信息返回到母船,搜救人员能看到母船上的显示的实时画面,由于图像由图传模块传回,所以搜救装置的探索距离由普通的肉眼范围内,扩展到了图像模块能传输图像的范围内,并且因为图像采集装置放在云台上,在海面海浪剧烈不便转向的情况下,通过调节云台角度能够使图像采集装置采集到救生装置周围 360的图像信息,在能够保证不会错过落水人员,并提高救生装置的搜救效率。搜救人员根据图像传回的信息,锁定落水人员的位置,手动遥控救生装置移动逐渐靠近落水人员,完成救援。
本实施例中的图像增强步骤中会进行去雨和雨雾等操作,在目标检测之前,图像中增强是及其重要的一环,在救援落水人员的环境当中,往往伴随着降雨和溅起的水花,会对后续的落水人员检测造成阻碍,因此提前进行图像去雨是必不可少的。
通常情况下,有雨图像可以表示为干净无雨图像和雨纹层的线性结合在现有图像去雨方法中,由于雨纹和背景信息在特征空间中存在重叠,图像去雨时背景信息可能被错误地认为是雨纹信息,导致雨纹去除不彻底或者去雨过度,出现雨痕残留和背景信息丢失的现象。本文使用低通滤波器将去雨图像分解为基层和细节层,如公式(7)所示:
J=Jbase+Jdetail (7)
通过对图像使用低通滤波器处理,可以获得包含图像基本信息的基层,随后将原图像和基层做减法即可得到细节层。细节层主要包括一些雨线和图像的细节信息。原图像的基层Obase和去雨后的基层Jbase关系,Obase≈Jbase。去雨前后的基层基本一致。因此,本文将原本的原图像直接送入卷积神经网络模型,改为细节层作为输入,将输入再与基层结合,得出去雨图像。
在图像分解为基层和细节层之后,损失函数为:
由于图像的雨线信息为低维特征,不需要太深的网络,最终的网络结构为两层卷积神经网络加激活函数,结尾加上反卷积层。
若直接将卷积网络输出的去雨细节层和基层结合,得到图像将会略有模糊,所以,从图中可以看出,在结合之前分别对基层和去雨细节层进行了增强操作,基层将使用非线性函数进行增强,去雨细节层直接进行线性放大操作,如公式(9)所示:
Oenhanced=(Ibase)enhanced+2fW(Idetail) (9)
救生装置在前往救援落水人员的过程中,因为在海上救生装置属于欠驱动系统,无法及时调整装置的速度和前进方向,若救生装置前进速度朝向落水人员,容易对落水人员造成冲撞,所以需要一种救援路径规划能够安全到达落水人员的安全救援距离。
本实施例中提出的一种动态调节前进方向的路径规划方法,如图4所示;
设救生装置的安全救援距离为r,则救生装置应该始终处于落水人员的距离r之外,以落水人员为中心,r为半径做圆。从救生装置中心O′点出发做一条切线,切线方向即为救生装置的期望运动速度V1的方向。
由简单三角几何运算可以得出,期望运动方向与云台朝向夹角θ3为:
式中,LO′H为救生装置到落水人员的距离。
则救生装置的前进方向Vθ:
Vθ=θ2-θ1-θ3 (11)
式中,θ1为救生装置的实际运动方向,与X轴角度。θ2为云台的朝向与X轴的角度。θ1和θ2都可由安装在救生装置和云台上的姿态传感器得出。
随着救生装置和落水人员相对位置的变化,救生装置的前进方向也进行动态调整。
救生装置运动速度应随着距离落水人员远近动态调节,快靠近落水人员时,需要逐渐降低速度,但文本不采用救生装置和落水人员之间的距离作为指标,改为救生装置距离落水人员圆形区域的切线长度作为判断指标。
本实例通过物体检测算法进行落水人员的检测。本实例以基于YOLOv5的落水人员检测算法为例。
在传统算法当中通常使用非极大值抑制对模型输出的众多预测框进行筛选,本实例引入先验信息,针对落水人员在图像当中通常占据较小的区域,在进行非极大值抑制筛选候选框之前,先去除面积较大的候选框。同时在传统算法当中,针对在画面中面积大小差距较大的物体使用三个尺度特征信息预测,本实例通过先验信息修改为使用两个尺度预测,提高算法的运行速度。同时,使用GIOU引入了预测框与真实框的最小外接矩形,改善了真实框和预测框不相交情况下无法预测两者距离的问题。
本实验基于pytorch1.10.0框架,在ubuntu21.04系统上运行,模型训练通过GPU加速,在移动版NVIDIA3060显卡,CUDA11.2环境下计算,显存为6g。为了提高实时检测速度,本实验采用YOLOv5s模型进行检测。
由于目前并没有公开的海上落水人员的数据集,所以采用公开目标检测数据集COCO进行训练,并通过在网上下载公开的人员落水图片进行测试,目标检测结果如图5-12所示:
在落水人员的检测结果图中,图5,7,9,11为待检测原图,图6,8,10,12为检测后的输出图片,从图5和6中可以看出当落水人员下半身在水面以下上半身出现在图像当中,还是只有头部露出水面,均能很好的检测出落水人员的所在位置。图7和8为长距离检测,落水人员在图像当中占据的像素点较少时,模型也能准确检测并区分开两个落水人员。图9 和10为落水人员以非正常姿势俯仰在水面上时,模型仍然能检测出所处位置。图11和12说明落水人员被障碍物遮挡,仅露出部分区域时,算法仍然能够检测出落水人员。
以上结果证明该检测算法能够在海上事故发生时,无论是落水人员是否有意识的做出求救动作还是有船体残骸遮挡住落水人员时,都能够很好的检测出落水人员所在位置。为后续的跟踪和救援工作提供支撑。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种海上救生装置的自主目标检测跟踪方法,其特征在于,在所述救生装置上安装图像采集装置、无线图传模块、两自由度云台,所述图像采集装置装在两自由度云台上,所述图像采集装置获取图像信息由母船进行图像处理并产生控制数据通过无线传输传回所述救生装置,完成对两自由度云台和救生装置的运动控制,或通过安装边缘计算模块,图像处理直接在所述救生装置上进行,获取目标位置后在救生装置上计算出控制数据实现对两自由度云台和救生装置的运动控制。
2.根据权利要求1所述的海上救生装置的自主目标检测跟踪方法,其特征在于,所述控制的方法为自动控制模式,具体为:首先由母船将救生装置投在海面上,所述图像采集装置开始采集图像,采集到的图像通过所述无线图传模块传输回母船,供母船进行监视和记录,同时,采集到的图像将使用所述边缘计算模块或者母船进行图像增强工作,随后将增强后的图像送入到目标检测模型当中,识别出图像中是否有落水人员并识别出落水人员在图像中的位置以及大致距离,若图像中没有落水人员,则进入巡航模式,若检测有落水人员,则将首先根据落水人员的位置信息动态调整云台角度,使所述图像采集装置采集的图像能够一直锁定在落水人员上,后根据云台角度解算出救生装置应该前进的方向并给出控制数据,控制救生装置逐步靠近落水人员,在确定到达指定地点能够实施救援之后将结果汇报给母船,母船上的人员将根据图传传回的图像完成救援。
3.根据权利要求2所述的海上救生装置的自主目标检测跟踪方法,其特征在于,所述图像增强步骤中包括进行图像去雨,具体为使用低通滤波器将去雨图像分解为基层和细节层,如公式(1):
J=Jbase+Jdetail (1)
通过对图像使用低通滤波器处理,可以获得包含图像基本信息的基层,随后将原图像和基层做减法即可得到细节层,细节层主要包括一些雨线和图像的细节信息,将原图像直接送入卷积神经网络模型,改为将细节层作为输入,将模型输出再与基层结合,得出去雨图像。
4.根据权利要求2或3所述的海上救生装置的自主目标检测跟踪方法,其特征在于,所述根据云台角度解算出救生装置待前进的方向并给出控制数据包括动态调节前进方向的路径规划方法;
设救生装置的安全救援距离为r,则救生装置应该始终处于落水人员的距离r之外,以落水人员为中心,r为半径做圆,从救生装置中心O′点出发做一条切线,切线方向即为救生装置的期望运动速度V1的方向;
由简单三角几何运算可以得出,期望运动方向与云台朝向夹角θ3为:
式中,LO′H为救生装置到落水人员的距离,
则救生装置的前进方向Vθ:
Vθ=θ2-θ1-θ3 (3)
式中,θ1为救生装置的实际运动方向,与X轴角度,θ2为云台的朝向与X轴的角度,θ1和θ2都可由安装在救生装置和云台上的姿态传感器得出。
5.根据权利要求1所述的海上救生装置的自主目标检测跟踪方法,其特征在于,所述控制的方法为手动控制模式,具体为:首先由母船将救生装置投在海面上,同时所述图像采集装置采集图像信息,通过无线图传模块将图像信息返回到母船,搜救人员能看到母船上的显示的实时画面,搜救人员根据图像传回的信息,锁定落水人员的位置,手动遥控救生装置移动逐渐靠近落水人员,完成救援。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210094179.6A CN114494348A (zh) | 2022-01-26 | 2022-01-26 | 一种海上救生装置的自主目标检测跟踪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210094179.6A CN114494348A (zh) | 2022-01-26 | 2022-01-26 | 一种海上救生装置的自主目标检测跟踪方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494348A true CN114494348A (zh) | 2022-05-13 |
Family
ID=81477253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210094179.6A Pending CN114494348A (zh) | 2022-01-26 | 2022-01-26 | 一种海上救生装置的自主目标检测跟踪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494348A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913233A (zh) * | 2022-06-10 | 2022-08-16 | 嘉洋智慧安全生产科技发展(北京)有限公司 | 图像处理方法、装置、设备、介质及产品 |
CN115456917A (zh) * | 2022-11-11 | 2022-12-09 | 中国石油大学(华东) | 有益于目标准确检测的图像增强方法、装置、设备及介质 |
-
2022
- 2022-01-26 CN CN202210094179.6A patent/CN114494348A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114913233A (zh) * | 2022-06-10 | 2022-08-16 | 嘉洋智慧安全生产科技发展(北京)有限公司 | 图像处理方法、装置、设备、介质及产品 |
CN115456917A (zh) * | 2022-11-11 | 2022-12-09 | 中国石油大学(华东) | 有益于目标准确检测的图像增强方法、装置、设备及介质 |
CN115456917B (zh) * | 2022-11-11 | 2023-02-17 | 中国石油大学(华东) | 有益于目标准确检测的图像增强方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114494348A (zh) | 一种海上救生装置的自主目标检测跟踪方法 | |
CN111953937B (zh) | 落水人员救生系统及落水人员救生方法 | |
CN109215018A (zh) | 基于Canny算子和高斯形态学的船舶检测方法 | |
CN111163290B (zh) | 一种夜间航行船舶检测并跟踪的方法 | |
CN215155526U (zh) | 一种水上救援装置及全自主无人巡逻救援船 | |
CN109334898A (zh) | 一种落水人员快速救援方法及救援系统 | |
KR20240046463A (ko) | 인공지능 기반 해상 인명 안전 및 운항 안전 지원 시스템 및 그에 의한 지원 방법 | |
KR102128896B1 (ko) | 선박용 어라운드 뷰 제공 시스템 | |
KR20140062489A (ko) | 호스트 선박으로부터 또한 호스트 선박으로의 주정의 진수 및 회수를 위한 장치 및 방법 | |
CN115909816A (zh) | 一种浮标碰撞预警与记录系统 | |
CN109765931B (zh) | 一种适用于防波堤巡检无人机的近红外视频自动导航方法 | |
CN111252212A (zh) | 一种可航行救生器配合无人机对多落水人员的自动救助方法及系统 | |
CN109558860A (zh) | 用于海空近域的搜救船的搜索跟踪系统 | |
JP2010014491A (ja) | 洋上監視システムおよび方法 | |
CN115187936B (zh) | 一种海上平台防登临监控系统及方法 | |
CN112016373B (zh) | 一种基于视觉感知与计算的水上遇险人员智能辅助搜救系统 | |
CN107707884A (zh) | 海洋船舶北斗视频监控一路视频 | |
KR102587291B1 (ko) | 무인운항선박 오토파일럿시스템 | |
CN115375521A (zh) | 一种基于海-空平台协同的海上应急突发搜救方法 | |
CN116027810A (zh) | 一种基于无人机技术的海缆线路智能巡检方法及系统 | |
RU2764140C1 (ru) | Водолазно-спасательный глубоководный аппарат | |
CN114677051A (zh) | 一种驾驶室的管理方法和系统 | |
CN113903163A (zh) | 一种水域安全系统及水域救生方法 | |
US20240104746A1 (en) | Vessel tracking and monitoring system and operating method thereof | |
CN221114317U (zh) | 一种智能无人救生艇 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |